AWS Athena와 Amazon Bedrock Agent로 자연어 기반 비용 분석 자동화 가이드

AWS Athena와 Amazon Bedrock Agent를 활용한 비용 분석 자연어 질의 자동화 가이드

비즈니스 사용자들이 SQL을 몰라도 데이터 분석을 자연스럽게 수행할 수 있도록 지원하는 기술이 진화하고 있습니다. 특히 AWS에서 제공하는 Amazon Bedrock과 Amazon Athena를 통합하여 자연어 기반의 데이터 질의를 지원하는 솔루션은, 데이터 접근성과 분석의 효율성을 크게 향상시키고 있습니다.

이 글에서는 AWS CUR(비용 및 사용 보고서) 데이터를 대상으로 Amazon Bedrock Agent와 Amazon Nova Lite 모델을 활용해 자연언어로 Athena 쿼리를 실행하고, 그 결과를 사용자에게 쉽게 전달하는 자동화된 활용 사례를 상세히 소개합니다.

솔루션 개요 및 구성

해당 솔루션은 Amazon Bedrock의 Foundation Model(FM)인 Amazon Nova Lite를 기반으로 자연어 → SQL 질의 변환을 자동화하고, 이를 Amazon Athena에 연동하여 실시간 분석 결과를 제공합니다. 이 시스템은 사용자가 “2025년 1분기 동안 가장 많은 비용이 들었던 Top 5 AWS 서비스는 무엇인가요?”와 같은 일상적인 질문을 던졌을 때, 배경에서 복잡한 SQL 쿼리를 작성하고 실행한 뒤, 응답을 사람이 이해할 수 있는 언어로 반환해 주는 방식으로 작동합니다.

기본 구성 요소:

• Amazon Bedrock Agent (Amazon Nova Lite 기반)
• Amazon Athena (SQL 실행)
• AWS Glue (메타데이터 카탈로그)
• Amazon Cognito (사용자 인증 및 권한 관리)
• AWS Amplify (프론트엔드 호스팅)
• AWS Lambda (쿼리 실행 및 날짜 계산 함수)

솔루션 활용 설계 예: AWS CUR 2.0 데이터 분석

본 솔루션의 기본 예제는 AWS CUR 데이터를 사용자가 자유롭게 조회할 수 있도록 설계되었습니다. CloudFormation 템플릿을 통해 AWS Glue, Athena, Lambda 기능을 통합하고, Amazon Bedrock Agent가 Athena 질의를 자동 수행하도록 구성되어 있습니다.

주요 자동화 요소:

• CloudFormation 템플릿을 통해 AWS CUR 데이터를 Athena와 Glue에 자동 연결
• Amplify로 배포된 프론트엔드에서 자연어 인터페이스 제공
• Amazon Cognito를 통한 인증 및 세션 제어
• Amazon Bedrock Agent가 자연어 요청을 SQL로 변환하여 실행
• Lambda 함수는 SQL 실행 및 결과 처리 담당

사용자는 Amplify를 통해 배포된 웹 인터페이스에 로그인하고, 구성된 에이전트 정보를 입력한 뒤 자연어로 질의를 시작할 수 있습니다. 이후 백엔드에서 Bedrock Agent가 질문을 처리하며, Lambda 함수가 Athena 쿼리를 실행, 그 결과를 반환하는 프로세스로 작동합니다.

활용 사례 및 응용

해당 가이드는 AWS 비용 분석에 최적화되어 있지만, 기반 구조는 고객사가 보유한 Amazon S3 기반 데이터셋에도 활용 가능합니다. 이를 위해 아래 내용을 커스터마이징할 수 있습니다.

• 테이블의 컬럼 정의 변경
• 사내 서비스명/데이터 구조에 맞는 질의 예시 수정
• 재무 분석이 아닌 도메인 특화 로직으로 수행 방식 변경

이처럼, 본 구조는 확장성이 뛰어나며, 다양한 SQL 기반 데이터베이스에 적용 가능하여 기업의 데이터 분석 자동화 전략에 유용합니다.

자동화 도입 시 고려사항

• 엣지 사례 처리를 위한 Amazon Bedrock Guardrail 제공
• IAM 및 Cognito를 통한 세밀한 접근 제어 권한 설정 필수
• 중심 계정(payer account) 배포 시 연결된 모든 계정의 비용 분석 가능

결론

Amazon Bedrock Agent와 Athena를 결합하여 구성한 자연어 인터페이스 기반 분석 시스템은 데이터 분석 자동화의 한계를 허물고 있습니다. 특히, Amazon Nova Lite의 정교한 언어 처리 능력을 활용하면 기술적 배경이 없는 사용자도 손쉽게 데이터에서 의미 있는 인사이트를 도출할 수 있으며, 반복적 질의도 간편하게 수행 가능합니다.

이러한 접근 방식은 단순한 활용을 넘어, 조직 전체의 데이터 접근성과 분석 자동화를 혁신적으로 끌어올릴 수 있는 실질적인 도입 전략임을 보여줍니다.

[1] https://aws.amazon.com/blogs/machine-learning/build-a-conversational-natural-language-interface-for-amazon-athena-queries-using-amazon-nova/